一种水体监测视频及数据联动预警方法及系统技术方案

本发明专利技术公开一种水体监测视频及数据联动预警方法，包括S01.根据历史水质监测数据，制作每个入河排口节点的风险评分表；S02.根据历史视频数据，训练获得目标神经网络模型；S03.水质监测预警，根据入河排口节点当前时间段的各项监测因子，代入该节点的风险评分表，获得预警等级；S04.视频监测预警，根据当前时间段获得的监测视频经过处理后输入目标神经网络模型，输出预警值，当预警值超过阈值时，发出预警信号；S05.根据水质监测预警等级和视频监测预警值，综合判断，输出报警信号。本发明专利技术利用人工智能图像识别及将水质监测与视频监测结合进行甄别诊断，降低因设备异常等其他因素导致的误报率，提高预警精度；实现基于视频及数据的水体联动监测报警体系。

【技术实现步骤摘要】
一种水体监测视频及数据联动预警方法及系统
本专利技术涉及水环境污染监测
，具体来说是一种水体监测视频及数据联动预警方法及系统。
技术介绍
我国主要水系的水体都遭到了不同程度的污染，对生态环境造成巨大危害，保护生态环境已成为政府工作的主要内容之一。目前对于水环境污染治理等各项监测平台，主要是通过对在线传输所产生的视频、图像、数据利用区间跳跃、图基分布、正态分布等计算方法对单个指标进行异常值识别，从而判断该项监测指标是否报警，并且这种报警方式无法识别错误报警；另外对于现有的水质等监控视频，主要是采用人工方式通过通夜的值班值守来发现异常现象。采用以上方法对现有水环境在线监控进行报警预报存在报警预报及视频问题以单个指标进行报备，如水质指标COD、氨氮、总磷、水量等报警问题，究竟是设备异常还是异常排放，系统无法自动识别，那么就需要人工识别判断，另外目前对于水环境在线视频，所监测的地表水或排口水质、水量及水面周围的环境的变化主要是通过人眼识别，那么利用人工值守方式进行异常判断的缺点主要是：1、人为主观意识为主导，容易出现误判；2、夜间值班等容易产生疲劳，存在漏判、漏报的问题。如申请号为201911424845.2公开的一种水源地水质监测评估系统及其评估方法，该系统其公开了通过在水源地布置水质、压力、水位、流量传感器实时监测水源地水质状况，另外，还通过视频监控模块实现现场监控视频的实时和历史视频查看。即该专利技术申请中，对于水源地采集的水质数据和视频数据并没有综合考虑，各自独立存在，依然存在上述问题。
技术实现思路
本专利技术所要解决的技术问题在于如何提高水体质量监测精度，降低因单因子监测的误报率。本专利技术通过以下技术手段实现解决上述技术问题的：一种水体监测视频及数据联动预警方法，包括以下步骤：S01.根据历史水质监测数据，制作每个入河排口节点的风险评分表；S02.根据历史视频数据，训练获得目标神经网络模型；S03.水质监测预警，根据入河排口节点当前时间段的各项监测因子，代入该节点的风险评分表，获得预警等级；S04.视频监测预警，根据当前时间段获得的监测视频经过处理后输入目标神经网络模型，输出预警值，当预警值超过阈值时，发出预警信号；S05.根据水质监测预警等级和视频监测预警值，综合判断，输出报警信号。本专利技术通过对每个入河排口节点制作风险评分表，根据风险评分表，对当前时间段该节点的水体质量进行综合计算得分，根据得分划分等级，再结合该节点当前视频图像信息通过人工智能图像识别后所输出的水体质量情况，综合得出该节点的水体质量预警信息，避免单因子预警出现的误报情况。进一步的，还包括根据实际入河排口节点的污染程度，对风险评分表的各项监测因子的权重进行调整的步骤。进一步的，所述步骤S01中，根据历史水质监测数据及实际业务，给出每个入河排口节点的至少COD、氨氮、总磷、硝酸盐、TOC、pH、溶解氧、小时累计流量、小时平均液位、小时平均水温各项监测因子的初步权重，得出该节点的综合风险评分表，并对照风险得分划分风险等级。进一步的，所述步骤S02具体为：将历史视频数据分解有排放图像和无排放图像划分为训练集和交叉验证集，将有排放图像设为1，无排放图像设为0；然后将训练集输入VGG16+全连接网络的训练网络中进行训练，输出图像分类；然后根据交叉验证集验证分类结果是否准确，最后得到目标神经网络模型。进一步的，所述步骤S03中，根据水环境在线监测设备获得入河排口节点当前时间段的原始水质数据，然后通过查询及多表关联对原始水质数据进行清洗和异常值检测，对因设备原因分析出的异常值进行删除；然后对原始水质数据常因为设备的运行异常存在缺失值，分别用水质中位数缺失值进行填充；最后通过计算，至少得到COD、氨氮、总磷、硝酸盐、TOC、pH、溶解氧、小时累计流量、小时平均液位、小时平均水温各项监测因子。进一步的，所述步骤S05中综合判断具体为：当水质检测预警与视频检测预警同时发出警报，则发出最终警报，当仅只有水质监测发出预警信息，若水质监测预警等级达到设定值，则发出最终警报；当仅只有视频监测发出预警时，则发出最终警报。本专利技术还提供一种水体监测视频及数据联动预警系统，包括风险评分表生成模块，根据历史水质监测数据，制作每个入河排口节点的风险评分表；神经网络训练模块，根据历史视频数据，训练获得目标神经网络模型；水质监测预警模块，根据入河排口节点当前时间段的各项监测因子，代入该节点的风险评分表，获得预警等级；视频监测预警模块，根据当前时间段获得的监测视频经过处理后输入目标神经网络模型，输出预警信息；综合判断模块，根据水质监测预警等级和视频监测预警信息，综合判断，输出报警信号。进一步的，所述神经网络训练模块具体执行过程为：将历史视频数据分解有排放图像和无排放图像划分为训练集和交叉验证集，将有排放图像设为1，无排放图像设为0；然后将训练集输入VGG16+全连接网络的训练网络中进行训练，输出图像分类；然后根据交叉验证集验证分类结果是否准确，最后得到目标神经网络模型。进一步的，所述水质监测预警模块具体执行过程为：根据水环境在线监测设备获得入河排口节点当前时间段的原始水质数据，然后通过查询及多表关联对原始水质数据进行清洗和异常值检测，对因设备原因分析出的异常值进行删除；然后对原始水质数据常因为设备的运行异常存在缺失值，分别用水质中位数缺失值进行填充；最后通过计算，得到COD、氨氮、总磷、硝酸盐、TOC、pH、溶解氧、小时累计流量、小时平均液位、小时平均水温各项监测因子。进一步的，所述综合判断模块中综合判断具体为：当水质检测预警与视频检测预警同时发出警报，则发出最终警报，当仅只有水质监测发出预警信息，若水质监测预警等级达到设定值，则发出最终警报；当仅只有视频监测发出预警，若视频监测预警等级高于设定值，则发出最终警报。本专利技术的优点在于：本专利技术针对现有水环境治理等各项监测平台所产生的数据/图像/视频等在线监测数据所产生的异常排放信息，利用人工智能图像识别及将水质监测与视频监测结合进行甄别诊断，降低因设备异常等其他因素导致的误报率，提高预警精度；实现基于视频及数据的水体联动监测报警体系。大大减少值班值守所耗费的人力财力物力等，为环保部门水污染事件的污染源排查提供疑似企业名单，提高排查效率，同时对工业企业偷排、漏排做到有效监管。本专利技术通过对每个入河排口节点制作风险评分表，根据风险评分表，对当前时间段该节点的水体质量进行综合计算得分，根据得分划分等级，再结合该节点当前视频图像信息通过人工智能图像识别后所输出的水体质量情况，综合得出该节点的水体质量预警信息，避免单因子预警出现的误报情况。附图说明图1为本专利技术实施例中监测方法中水质监测流程图；图2为本专利技术实施例中监测方法中视频监测流程图；图3为本专利技术实施例中监测方法的综合判断流程图。具体实施方式本文档来自技高网...

【技术保护点】
1.一种水体监测视频及数据联动预警方法，其特征在于：包括以下步骤：/nS01.根据历史水质监测数据，制作每个入河排口节点的风险评分表；/nS02.根据历史视频数据，训练获得目标神经网络模型；/nS03.水质监测预警，根据入河排口节点当前时间段的各项监测因子，代入该节点的风险评分表，获得预警等级；/nS04.视频监测预警，根据当前时间段获得的监测视频经过处理后输入目标神经网络模型，输出预警值，当预警值超过阈值时，发出预警信号；/nS05.根据水质监测预警等级和视频监测预警值，综合判断，输出报警信号。/n

【技术特征摘要】
1.一种水体监测视频及数据联动预警方法，其特征在于：包括以下步骤：
S01.根据历史水质监测数据，制作每个入河排口节点的风险评分表；
S02.根据历史视频数据，训练获得目标神经网络模型；
S03.水质监测预警，根据入河排口节点当前时间段的各项监测因子，代入该节点的风险评分表，获得预警等级；
S04.视频监测预警，根据当前时间段获得的监测视频经过处理后输入目标神经网络模型，输出预警值，当预警值超过阈值时，发出预警信号；
S05.根据水质监测预警等级和视频监测预警值，综合判断，输出报警信号。


2.根据权利要求1所的一种水体监测视频及数据联动预警方法，其特征在于：还包括根据实际入河排口节点的污染程度，对风险评分表的各项监测因子的权重进行调整。


3.根据权利要求1所的一种水体监测视频及数据联动预警方法，其特征在于：所述步骤S01中，根据历史水质监测数据及实际业务，给出每个入河排口节点的至少COD、氨氮、总磷、硝酸盐、TOC、pH、溶解氧、小时累计流量、小时平均液位、小时平均水温各项监测因子的初步权重，得出该节点的综合风险评分表，并对照风险得分划分风险等级。


4.根据权利要求1所述的一种水体监测视频及数据联动预警方法，其特征在于：所述步骤S02具体为：
将历史视频数据分解有排放图像和无排放图像划分为训练集和交叉验证集，将有排放图像设为1，无排放图像设为0；然后将训练集输入VGG16+全连接网络的训练网络中进行训练，输出图像分类；然后根据交叉验证集验证分类结果是否准确，最后得到目标神经网络模型。


5.根据权利要求1所述的一种水体监测视频及数据联动预警方法，其特征在于：所述步骤S03中，根据水环境在线监测设备获得入河排口节点当前时间段的原始水质数据，然后通过查询及多表关联对原始水质数据进行清洗和异常值检测，对因设备原因分析出的异常值进行删除；然后对原始水质数据常因为设备的运行异常存在缺失值，分别用水质中位数缺失值进行填充；最后通过计算，至少得到COD、氨氮、总磷、硝酸盐、TOC、pH、溶解氧、小时累计流量、小时平均液位、小时平均水温各项监测因子。


6.根据权利要求1所述的一种水体监测视频及数据联动预警方...

【专利技术属性】
技术研发人员：李梅，梁漫春，李楚，钱益武，周扬，程雨涵，王清泉，徐立梅，刘美丽，丁虎，吴正华，孔美玲，任莹，杜晓闯，
申请(专利权)人：清华大学合肥公共安全研究院，安徽泽众安全科技有限公司，北京辰安测控科技有限公司，
类型：发明
国别省市：安徽;34